Full Stack Developer @ ADEO - Freelance

ADEO Services fait partie du Groupe ADEO, acteur mondial majeur de la distribution de bricolage. Le groupe fédère des entités autonomes et interconnectées dans de nombreux pays. Au sein du domaine search & publication (CCDP), la mission est de construire et exploiter des outils pour publier et rechercher des produits pour les business units Leroy Merlin dans le monde entier.

J'ai rejoint le stream Recommend & Push, qui pilote le système de recommandation du groupe : il combine données et algorithmes (dont le ML), connaissance métier (dont le graphe de connaissance) et outillage de publication afin que les produits pertinents atteignent les clients au bon moment. Le stream fonctionne de bout en bout avec des développeurs, data scientists, data engineers, analystes, un product owner et des designers UX, dans une organisation agile axée sur une livraison propre, stable et scalable.

En binôme et en mob programming avec l'équipe, mon travail s'articule autour de quatre axes principaux :

Comprendre le produit et ses contraintes

Cartographier les flux de recommandation, les responsabilités API et BFF, et la manière dont les événements et données transitent via Kafka et MongoDB. S'aligner avec la data et le produit sur les cas d'usage, les exigences non-fonctionnelles et les contraintes de déploiement pour plusieurs BUs.

Livrer des fonctionnalités sur la stack

Implémenter et faire évoluer le produit de recommandation sur les couches API, BFF et front en Node.js, NestJS et TypeScript, supportées par MongoDB et Kafka. Contribuer aux intégrations qui maintiennent la cohérence et la fiabilité de la publication et de la consommation des recommandations.

Élever le niveau de qualité

Renforcer le TDD et les tests automatisés, améliorer le CI/CD (dont GitHub Actions), et clarifier les alertes et la supervision afin que régressions et incidents soient détectés tôt. Viser un code maintenable et des releases prévisibles.

Fonctionner comme une seule équipe

Participer activement aux cérémonies et discussions techniques, partager la propriété du produit, et contribuer à diffuser les bonnes pratiques (software craftsmanship, revue de code, documentation) pour que la plateforme reste évolutive à mesure que le trafic et les fonctionnalités augmentent.

Au-delà de la livraison de fonctionnalités sur les surfaces de recommandation, je contribue à la façon dont nous observons et opérons le système en production.

Côté engineering, cela signifie resserrer les pipelines et les vérifications en CI/CD, standardiser la façon dont nous exécutons et supervisons les services, et utiliser des outils comme Datadog (ou équivalent) pour suivre la santé, la latence et les erreurs. L'objectif est de rendre la stack de recommandation plus facile à appréhender pour l'astreinte et le développement au quotidien.

Côté produit et data, je collabore avec les analystes et l'organisation data pour que les performances et l'usage des recommandations puissent être mesurés et améliorés dans le temps—dans un esprit similaire à la fourniture d'indicateurs clairs aux pays sur l'app Decathlon, mais ici centré sur la qualité, la couverture et les résultats business des recommandations par BU.

Le cas échéant, j'aide aussi à améliorer les expériences internes ou back-office (configuration, flux de publication, vues opérationnelles) pour que les équipes puissent ajuster et valider le comportement des recommandations sans friction inutile.